到底谁更快？
一款型号叫 GLM-5.3-Highspeed 的模型，最近出现在智谱的编程工具 ZCode 里。它没有发布会，也没有官方公告，最先发现它的是订阅用户——X 平台上的 AI 编程博主 Leo 晒出截图，显示模型输出速度超过每秒 490 个 token。
490 tokens/s 是什么概念？据大模型 API 评测平台 AI Ping 的数据，DeepSeek V4.1 Flash 官方 API 的输出速度是 121.34 tokens/s，智谱自家 GLM-5.3 标准版 API 是 70.84 tokens/s。按这组对照，GLM-5.3-Highspeed 的实测速度大约是前者的 4 倍、后者的 7 倍。换算成体感，生成 1 万个 token 只需要约 20 秒。
不过这几个数字要放在正确的位置上读。490 来自用户在 ZCode 客户端里的截图实测，而用来对照的 121.34 和 70.84 是 API 侧速度，两者的测量环境、并发压力和输出长度都不相同。更关键的是，智谱至今没有公布这款模型的官方吞吐数据。据 Pandaily 报道，这个数字应当被理解为用户实测值，而不是有保障的服务水平。智东西的原报道也提醒，内测阶段的速度只能作为参考，最终要看对外规模化提供服务时的表现。
另一个被广泛转述的点是「免费」。多个第三方模型索引站的记录显示，glm-5.3-highspeed 挂在智谱的编程订阅套餐之下，输入、输出、缓存读写全部记为 0；但同一家厂商的官方按量 API 通道上，GLM-5.3 的价格仍是每百万 token 输入 1.40 美元、输出 4.40 美元、缓存读取 0.26 美元。也就是说，这里的「免费」指套餐内不再按 token 单独计费，而不是无门槛免费。同一款模型，两条通道，两套计价。
速度本身也不是凭空来的。今年 5 月，智谱就给 GLM-5.1 推出过面向部分企业用户的高速版 API，输出速度 400 tokens/s，由 GLM 团队与 TileRT 团队联合打造，在推理引擎、调度系统、底层基础设施三个层面做了系统级优化。这次 GLM-5.3-Highspeed 的规格与标准版一致——100 万 token 上下文、最大输出 131,072 tokens，差异集中在推理速度上。对编程场景来说，这个差异会被放大：一个 Coding Agent 任务往往要经历数十轮模型调用，单轮慢上几秒，整体耗时就会拉长十几分钟。
把这几件事放在一起看，模型厂商的竞争维度正在往后挪。过去两年拼的是参数规模和每百万 token 的价格，现在多了一条：单位时间能吐多少 token。命名里其实已经能看出这个转向——DeepSeek 有 Flash，OpenAI 有 Ultrafast，智谱有 Highspeed，这些后缀不再描述模型有多聪明，而是描述它有多快。对天天跑 Agent 的人来说，这可能比再便宜一点更实际——毕竟等待是一种看得见的成本，它不体现在账单上，但体现在每一次迭代的节奏里。
你现在的编程工作流，会因为速度换工具吗？评论区聊聊。

人工智能AI编程智谱GLMAI编程科技资讯